mawo-slovnet

Нейросетевые модели для русского языка: NER, морфология и синтаксис с автоматической загрузкой моделей.

Возможности

• 3 готовые модели: NER, морфология, синтаксический разбор
• Автозагрузка: Модели скачиваются автоматически при первом использовании
• Работа офлайн: После загрузки работает без интернета
• Гибридный режим: Нейросети + правила (если модели недоступны)
• Компактные модели: Всего 6.9МБ для всех трёх моделей
• Качество: 95% accuracy на новостных текстах

Установка

pip install mawo-slovnet

Быстрый старт

Named Entity Recognition (NER)

from mawo_slovnet import NewsNERTagger

# Создаём NER-теггер (модель скачается автоматически при первом запуске)
ner = NewsNERTagger()

# Анализируем текст
text = "Владимир Путин посетил Москву в понедельник."
markup = ner(text)

# Извлекаем именованные сущности
for span in markup.spans:
    entity_text = markup.text[span.start:span.stop]
    print(f"{entity_text} -> {span.type}")
# Владимир Путин -> PER
# Москву -> LOC

Морфологический анализ

from mawo_slovnet import NewsMorphTagger

# Создаём морфологический теггер
morph = NewsMorphTagger()

# Анализируем текст (передаём список слов)
text = "Мама мыла раму"
words = text.split()
markup = morph(words)

# Получаем морфологические теги
for token in markup.tokens:
    print(f"{token.text}: {token.pos} {token.feats}")
# Мама: NOUN Case=Nom|Gender=Fem|Number=Sing
# мыла: VERB Gender=Fem|Number=Sing|Tense=Past
# раму: NOUN Case=Acc|Gender=Fem|Number=Sing

Синтаксический разбор

from mawo_slovnet import NewsSyntaxParser

# Создаём синтаксический парсер
syntax = NewsSyntaxParser()

# Разбираем предложение (передаём список слов)
text = "Кот сидит на коврике"
words = text.split()
markup = syntax(words)

# Получаем зависимости
for token in markup.tokens:
    print(f"{token.text} -> {token.head_id} ({token.rel})")
# Кот -> 1 (nsubj)
# сидит -> 1 (root)
# на -> 4 (case)
# коврике -> 1 (obl)

Продвинутое использование

Ручная загрузка моделей

from mawo_slovnet import download_models

# Загрузить все модели заранее
download_models()

# Или загрузить конкретную модель
download_models(["ner"])  # только NER
download_models(["morph", "syntax"])  # морфология + синтаксис

Проверка статуса моделей

from mawo_slovnet import get_model_info

# Проверить, какие модели загружены
info = get_model_info()
print(info)
# {
#     "ner": {"cached": True, "size_mb": 2.2, "path": "..."},
#     "morph": {"cached": True, "size_mb": 2.4, "path": "..."},
#     "syntax": {"cached": True, "size_mb": 2.5, "path": "..."}
# }

Гибридный режим (fallback)

Если модели недоступны, библиотека автоматически использует rule-based подход:

from mawo_slovnet import NewsNERTagger

# Если модели нет - будет использован fallback
ner = NewsNERTagger()

# Работает даже без ML-моделей (хуже качество, но работает)
markup = ner("Пушкин жил в Петербурге")

Типы сущностей (NER)

Модель распознаёт следующие типы:

• PER (Person): Владимир Путин, А.С. Пушкин
• LOC (Location): Москва, Россия, Невский проспект
• ORG (Organization): Газпром, ООН, Министерство финансов

Морфологические признаки

Модель определяет:

• Часть речи: NOUN, VERB, ADJ, ADV, PRON, etc.
• Падеж: Nom, Gen, Dat, Acc, Ins, Loc
• Число: Sing, Plur
• Род: Masc, Fem, Neut
• Время: Past, Pres, Fut
• Наклонение: Ind, Imp
• Залог: Act, Pass

Синтаксические отношения

Основные типы зависимостей:

• root: Корень предложения
• nsubj: Подлежащее
• obj: Дополнение
• obl: Обстоятельство
• amod: Определение (прилагательное)
• advmod: Обстоятельство (наречие)
• case: Падежный маркер (предлог)

Файлы моделей

Модели автоматически загружаются в:

~/.cache/mawo_slovnet/models/
├── ner/                    # NER модель (2.2МБ)
├── morph/                  # Морфология (2.4МБ)
└── syntax/                 # Синтаксис (2.5МБ)

Или в директорию пакета:

mawo_slovnet/
├── slovnet_ner_news_v1.tar.neural.gz       # 2.2МБ
├── slovnet_morph_news_v1.tar.neural.gz     # 2.4МБ
└── slovnet_syntax_news_v1.tar.neural.gz    # 2.5МБ

Производительность

Скорость обработки

На CPU (Intel i7), однопоточно

Использование памяти

Батч-обработка

from mawo_slovnet import NewsNERTagger

ner = NewsNERTagger()

# Обработка нескольких текстов
texts = [
    "Пушкин родился в Москве.",
    "Толстой жил в Ясной Поляне.",
    "Достоевский писал в Петербурге."
]

for text in texts:
    markup = ner(text)
    for span in markup.spans:
        entity_text = markup.text[span.start:span.stop]
        print(f"{text}: {entity_text} ({span.type})")

Интеграция с другими библиотеками

С mawo-pymorphy3

from mawo_slovnet import NewsMorphTagger
from mawo_pymorphy3 import create_analyzer

# SlovNet для быстрой обработки
morph_slovnet = NewsMorphTagger()

# pymorphy3 для детального анализа
morph_deep = create_analyzer()

text = "стали"
# Быстрый разбор
slovnet_result = morph_slovnet([text])

# Детальный анализ
for parse in morph_deep.parse(text):
    print(parse.tag, parse.normal_form)

С mawo-natasha

from mawo_slovnet import NewsNERTagger
from mawo_natasha import MAWODoc

ner = NewsNERTagger()
doc = MAWODoc("Пушкин жил в Москве")

# Обогащение документа NER-метками
markup = ner(doc.text)
doc.spans = markup.spans

Источники моделей

Модели основаны на:

• SlovNet v0.6.0 от Alexander Kukushkin
• Yandex Cloud Storage: Официальные предобученные модели
• Архитектура: CNN-CRF с Navec embeddings
• Обучение: Новостные корпуса (RIA, Lenta.ru, etc.)

Решение проблем

Модели не загружаются

# Попробуйте загрузить вручную
from mawo_slovnet import download_models
download_models(force=True)

Ошибка импорта

pip install --upgrade mawo-slovnet

Нехватка памяти

# Загружайте только нужные модели
from mawo_slovnet import NewsNERTagger  # Только NER

# Не импортируйте все сразу

Разработка

Настройка окружения

git clone https://github.com/mawo-ru/mawo-slovnet.git
cd mawo-slovnet
pip install -e ".[dev]"

Запуск тестов

pytest tests/

Благодарности и Upstream-проект

mawo-slovnet является форком оригинального проекта SlovNet, разработанного Александром Кукушкиным (@kuk).

Оригинальный проект

• Репозиторий: https://github.com/natasha/slovnet
• Автор: Alexander Kukushkin
• Лицензия: MIT
• Copyright: (c) 2017 Alexander Kukushkin

Улучшения MAWO

• Автоматическая загрузка моделей: Модели скачиваются при первом использовании
• Offline-first архитектура: Полностью автономная работа после загрузки
• Гибридный режим: ML + правила для надежной работы
• Оптимизация памяти: Эффективное использование ресурсов

Полная информация об авторстве: см. ATTRIBUTION.md

Лицензия

MIT License - см. LICENSE файл.

Этот проект полностью соответствует MIT лицензии оригинального проекта slovnet и сохраняет все оригинальные copyright notices.

Ссылки

• GitHub: https://github.com/mawo-ru/mawo-slovnet
• PyPI: https://pypi.org/project/mawo-slovnet/
• Проблемы: https://github.com/mawo-ru/mawo-slovnet/issues
• Оригинальный SlovNet: https://github.com/natasha/slovnet

Сделано с ❤️ командой MAWO